【新智元导读】AI能像科幻电影中的先知一样预测未来吗？一个名为「Prophet Arena」的全新基准测试◈✿◈，正通过预测真实世界事件来评估AI的「预言」能力◈✿◈。

　　在昨晚的男篮亚洲杯冠军争夺战中◈✿◈，中国男篮虽以1分之差惜败澳大利亚◈✿◈，但已是近十年来的最好成绩◈✿◈！

　　今天要介绍的Prophet Arena就是一个通过实时更新的真实世界预测任务来评估AI系统预测智能的基准测试极道美受◈✿◈。

　　为「人机协作」而生◈✿◈：你可以给AI提供线索◈✿◈，看看它的预测如何变化◈✿◈；AI也会把它的思考过程告诉你◈✿◈。

　　Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门◈✿◈、多样且周期性的真实事件作为考题◈✿◈。

　　Kalshi是一家美国的金融交易所和预测市场平台◈✿◈，是美国第一个受美国商品期货交易委员会（CFTC）监管的公海赌赌船官网jc710◈✿◈、专注于交易「事件结果」的交易所

　　AI模型们利用搜索引擎◈✿◈，像侦探一样收集关于某个事件的新闻报道◈✿◈，整理成一份精炼的「情报简报」公海赌赌船官网jc710◈✿◈。同时◈✿◈，也会把当时的市场价格（可以看作是群众的集体智慧）放进去◈✿◈。

　　拿到相同的情报后◈✿◈，每个AI模型都要提交一份详细的「预测报告」◈✿◈：对所有可能的结果给出一个概率分布◈✿◈，并附上长篇大论的理由◈✿◈，解释自己为什么这么看◈✿◈。

　　事件结束◈✿◈，结果揭晓公海赌赌船官网jc710◈✿◈。会用一套专业的指标来评估AI的预测到底有多准◈✿◈，然后更新在一个实时排行榜上◈✿◈。

　　排行榜主要看两个指标◈✿◈：一个是衡量准确度和校准度的Brier分数（越高越好）◈✿◈，另一个是模拟真实投注的平均回报（看谁能赚钱）◈✿◈。

　　除了上述两个核心指标外◈✿◈，Prophet Arena还采用了受统计学和心理测量建模启发的高级评估方法◈✿◈，如项目反应理论（Item Response Theory◈✿◈，IRT）和广义Bradley-Terry（BT）模型◈✿◈。

　　比如一场温布尔登网球赛◈✿◈，赛前市场普遍认为选手保罗有84%的胜率◈✿◈，甚至在开赛前一度攀升至95%◈✿◈。

　　比如在「AI监管法规会在2026年前成为联邦法律吗？」这个事件上◈✿◈，市场认为可能性只有25%◈✿◈。

　　保守派代表Llama 4 Maverick◈✿◈：它也看到了同样的信息◈✿◈，但认为立法过程复杂又缓慢极道美受◈✿◈，所以只给出了比市场略高一点的35%◈✿◈。

　　例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中◈✿◈，o3-mini在1美元的投注上获得了9美元的回报极道美受◈✿◈。

　　根据市场数据和新闻来源◈✿◈，o3-mini预测多伦多获胜的概率为30%极道美受◈✿◈，而市场隐含的概率仅为11%（价格=0.11）公海赌赌船官网jc710◈✿◈。

　　尽管多伦多是不被看好的一方◈✿◈，但AI识别到了正的期望值◈✿◈，并由于其最大的优势比率30%/11%≈3◈✿◈。

　　就像在上面那场足球赛中◈✿◈，市场认为多伦多队只有11%的胜算◈✿◈，但o3-mini经过分析认为有30%◈✿◈。

　　数值越低（颜色越深的单元格）表示概率推理更接近一致◈✿◈；数值越高（颜色越浅的单元格）则表明分歧越大◈✿◈。

　　与Kimi K2◈✿◈、o3和Llama 4 Maverick等模型相比◈✿◈，它的L2距离始终高于0.7极道美受◈✿◈，这表明其可能采用了不同的校准方式或内部决策机制极道美受◈✿◈。

　　在频谱的另一端◈✿◈，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测◈✿◈，L2距离通常低于0.3◈✿◈。

　　换句话说公海赌赌船官网jc710◈✿◈，这张图展示了AI预测的多样性◈✿◈：有些模型形成「群体共识」◈✿◈、有些模型像「特立独行的异议者」◈✿◈。

　　设想◈✿◈，AI系统将成为预测市场的积极参与者◈✿◈，将人类的直觉洞察与AI强大的数据分析能力相结合◈✿◈，最终提升整个社会的集体远见◈✿◈，为那些高风险的决策提供更可靠的依据◈✿◈。

　　毕竟◈✿◈，如果说语言模型的下一步是预测下一个词◈✿◈，那么它的终极形态◈✿◈，或许就是预测这个真实世界的下一个事件◈✿◈。欢迎来到赌船◈✿◈，公海赌赌船登录口◈✿◈，欢迎来到公海◈✿◈，公海赌赌船官网jc710◈✿◈，